Recommandé
Recommandé
Contenu connexe
Similaire à PRESENTATION_SOUTENANCE.pptx
Similaire à PRESENTATION_SOUTENANCE.pptx (20)
Dernier
Dernier (20)
PRESENTATION_SOUTENANCE.pptx
- 1. BIENVENUE A LA SOUTENANCE DE MONTCHO ARNAUD SEMINVO UNIVERSITE D’ABOMEY CALAVI Département de Génie Électrique ECOLE POLYTECHNIQUE D’ABOMEY CALAVI Option: Energie Electrique
- 2. Encadrer par : Dr. Arouna OLOULADE Réalisé et présenté Par : MONTCHO Arnaud Sèminvo Année académique : 2019-2020 Mémoire de fin de formation pour l’obtention du diplôme d’ingénieur de conception Sous la supervision de : Dr. Richard G. AGBOKPANZO
- 3. PLAN DE PRESENTATION 3 •Introduction I •Objectifs II •Méthodologie III •Analyse des résultats •Conclusion et perspectives
- 4. INTRODUCTION (1/3) Problématique 4 Droit fondamental ⟹ Disponibilité et présence permanente Interruption de l’énergie Réclamations et plaintes sociales Interruption dans la fourniture de l’énergie Mauvaise compréhension des raisons motivant les coupures Fonctionnement des réseaux électriques Nombreuses perturbations
- 5. INTRODUCTION (1/3) Problématique 5 Double exigence des distributeurs d’énergie Maintenir les pertes de distribution Garantir une fiabilité acceptable et qualité de l’énergie La recrudescence des défaillances Mauvaise politique de maintenance Périodicités d’inspection inapproprié
- 6. INTRODUCTION (3/3) Justification 6 Évolution exponentielle des incidents Incidents Interruption dans la fourniture de l’énergie Énergies non distribuées 115 782 1354 1926 4000 0 1000 2000 3000 4000 5000 0 1000 2000 3000 4000 5000 2016 2017 2018 2019 2020 Évolution des incidents par an Nombre d'incients Evolution [1]: Direction de la Distribution, Rapports d’analyse des incidents Optimisation de la maintenance préventive ⟺Amélioration de la fiabilité Figure 1: Évolution des incidents par an
- 7. PLAN DE PRESENTATION 7 •Introduction I •Objectifs II •Méthodologie III •Analyse des résultats •Conclusion et perspectives
- 8. OBJECTIFS D’ETUDE 8 Analyser la fiabilité et la disponibilité du réseau de distribution de la Direction Régionale de l’Atlantique de la SBEE. Identifier les défauts les plus récurrents et en déduire les causes Évaluer les indices de fiabilité du réseau à l’état actuel Élaborer un outil probabiliste d’analyse de disponibilité Élaborer un plan de maintenance optimal
- 9. PLAN DE PRESENTATION 9 •Introduction I •Objectifs d’étude II •Méthodologie III •Résultats d’étude •Conclusion et perspectives
- 10. METHODOLOGIE (1/5) Étude des défauts Calcul des indices Outil probabiliste Optimisation 10 Loi de Pareto ou la méthode des 20-80 Séparer les quelques problèmes essentiels des nombreux problèmes sans importance. Identifier les causes des interruptions sur le réseau électrique Figure 2: Représentation du diagramme de Pareto
- 11. METHODOLOGIE (2/5) Étude des défauts Calcul des indices Outil probabiliste Optimisation 11 SAIDI 𝑺𝑨𝑰𝑫𝑰 = 𝒊=𝟏 𝒏 𝑼𝒊𝑵𝒊 𝑵𝑻 SAIFI 𝑺𝑨𝑰𝑭𝑰 = 𝒊=𝟏 𝒏 𝝀𝒊𝑵𝒊 𝑵𝑻 (1) (2) 𝑼𝒊 : Durée d’interruption du client i 𝝀𝒊: Taux de défaillance 𝑵𝒊: Nombre d’abonnés interrompus 𝑵𝑻: Nombre total d’abonnés SAIDI: System Average Interruption Duration Index SAIFI: System Average Interruption Frequence Index
- 12. METHODOLOGIE D’ETUDE (3/5) Étude des défauts Calcul des indices Outil probabiliste Optimisation 12 Chaînes de Markov Graphe de Markov États et transition Évènements affectant le fonctionnement Défaillance ou réparation Figure 4: Graphe de Markov à 2 états 𝑴𝒕 = −𝟐𝝀 𝟐𝝀 𝟎 𝝁 −(𝝀 + 𝝁 𝝀 𝟎 𝟐𝝁 −𝟐𝝁 (3)
- 13. METHODOLOGIE (4/5) Étude des défauts Calcul des indices Outil probabiliste Optimisation 13 Stratégie d’inspection optimale - Prise de décision - Niveau de dégradation observé Algorithme génétique NSGA II - Sélection naturelle - Génétique (sélection, croisement, mutation) - Principes de Darwin (variation, adaptation, hérédité) - Tri non-dominé (dominance Pareto) - Distance de surpeuplement - Elitisme Objectif de la stratégie Nombre optimal d’inspection Date optimal d’inspection Minimiser coût et indisponibilité
- 14. METHODOLOGIE (5/5) Étude des défauts Calcul des indices Outil probabiliste Optimisation 14 Systèmes à résoudre SAISON SECHE 𝑀𝑖𝑛 𝜽𝒊−𝟏 𝜽𝒊 𝒇𝒔 𝒕 𝒅𝒕 ∗ (𝑪𝑪−𝑪𝒑 ∗ 𝒊=𝟏 ∞ 𝜽𝒊−𝟏 𝜽𝒊 𝑮 𝜽𝒊 + 𝑯 − 𝝉 ∗ 𝒇 𝝉 𝒅𝝉 + 𝑪𝒑 + 𝑪𝒊𝑵 𝜽𝒊−𝟏 𝜽𝒊 𝝀𝟐 𝝀 + 𝝁 𝟐 𝟏 + 𝟐𝒆 − 𝝀+𝝁 𝒕 + 𝒆 −𝟐 𝝀+𝝁 𝒕 𝒅𝒕 (𝑺𝟏 SAISON PLUVIEUSE 𝑀𝑖𝑛 𝜽𝒊−𝟏 𝜽𝒊 𝒇𝒑 𝒕 𝒅𝒕 ∗ (𝑪𝑪−𝑪𝒑 ∗ 𝒊=𝟏 ∞ 𝜽𝒊−𝟏 𝜽𝒊 𝑮 𝜽𝒊 + 𝑯 − 𝝉 ∗ 𝒇 𝝉 𝒅𝝉 + 𝑪𝒑 + 𝑪𝒊𝑵 𝜽𝒊−𝟏 𝜽𝒊 𝝀𝟐 𝝀 + 𝝁 𝟐 𝟏 + 𝟐𝒆 − 𝝀+𝝁 𝒕 + 𝒆 −𝟐 𝝀+𝝁 𝒕 𝒅𝒕 (𝑺𝟐 [2]: H CHOUIKHI (2012), Optimisation des stratégies de maintenance verte pour les systèmes de production de biens et de services
- 15. PLAN DE PRESENTATION 15 •Introduction I •Objectifs d’étude II •Méthodologie d’étude III •Résultats et analyse •Conclusion et perspectives
- 16. ANALYSE DES RESULTATS (1/12) Étude des défauts Calcul des indices Outil probabiliste Optimisation 16 Figure 5: Diagramme de Pareto Causes externes Défauts fugitifs Câbles endommagés Transformateurs Avariés Défauts à la terre Isolateurs cassés Branches d’arbre tombées sur les conducteurs
- 17. ANALYSE DES RESULTATS (2/12) Étude des défauts Calcul des indices Outil probabiliste Optimisation 17 8.5200 13.9000 10.0500 0.6800 15.6400 2.9100 3.7300 3.6700 0.7000 3.6100 0.0000 2.0000 4.0000 6.0000 8.0000 10.0000 12.0000 14.0000 16.0000 18.0000 SAIDI Valeur des indices du standard IEEE SAIDI: 2,3h/client/an soit 0,192h/client/mois SAIFI: 1,45 interruption/client/an soit 0,12 interruptions/client/mois 0.002 0.004 0.001 0.00034 0.001 0.00036 0.00047 0.00075 0.0002 0.0014 0 0.0005 0.001 0.0015 0.002 0.0025 0.003 0.0035 0.004 0.0045 SAIFI
- 18. ANALYSE DES RESULTATS (3/12) Étude des défauts Calcul des indices Outil probabiliste Optimisation 18 Absence de panne Défaillance partielle du système Défaillance totale de système Figure 7: Graphe de Markov à trois états
- 19. ANALYSE DES RESULTATS (4/12) Étude des défauts Calcul des indices Outil probabiliste Optimisation 19 Départs Taux de défaillance Taux de réparation Indisponibilité instantanée Indisponibilité à t=0 Ouidah 𝝀 = 𝟎, 𝟎𝟎𝟏𝟒 𝝁 = 𝟎, 𝟎𝟕𝟐𝟑 𝑨 𝒕 = 𝟑, 𝟔 ∗ 𝟏𝟎−𝟒 𝟏 + 𝟐𝒆−𝟎,𝟎𝟕𝟑𝟕𝒕 + 𝒆−𝟎,𝟏𝟒𝟕𝟒𝒕 (7) 𝐴 0 = 0,0014 Togba 𝝀 = 𝟎, 𝟎𝟎𝟏𝟒 𝝁 = 𝟎, 𝟏𝟒𝟏𝟓 𝑨 𝒕 = 𝟗, 𝟔 ∗ 𝟏𝟎−𝟓 𝟏 + 𝟐𝒆−𝟎,𝟏𝟒𝟐𝟗𝒕 + 𝒆−𝟎,𝟐𝟖𝟓𝟖𝒕 (8) 𝐴 0 = 0,001 Tableau 1: Indisponibilité instantanée 𝑨 𝒕 = 𝟏 − 𝝀𝟐 𝝀 + 𝝁 𝟐 𝟏 + 𝟐𝒆− 𝝀+𝝁 𝒕 + 𝒆−𝟐 𝝀+𝝁 𝒕 𝑴𝒕𝒐𝒖𝒊𝒅𝒂𝒉 = −𝟎, 𝟎𝟎𝟐𝟖 𝟎, 𝟎𝟎𝟐𝟖 𝟎 𝟎, 𝟎𝟕𝟐𝟑 −𝟎, 𝟎𝟕𝟑𝟕 𝟎, 𝟎𝟎𝟏𝟒 𝟎 𝟎, 𝟏𝟒𝟒𝟔 −𝟎, 𝟏𝟒𝟒𝟔 (4) (5) 𝑴𝒕𝑻𝒐𝒈𝒃𝒂 = −𝟎, 𝟎𝟎𝟐𝟖 𝟎, 𝟎𝟎𝟐𝟖 𝟎 𝟎, 𝟏𝟒𝟏𝟓 −𝟎, 𝟏𝟒𝟐𝟗 𝟎, 𝟎𝟎𝟏𝟒 𝟎 𝟎, 𝟐𝟖𝟑𝟎 −𝟎, 𝟐𝟖𝟑𝟎 (6)
- 20. ANALYSE DES RESULTATS (5/12) Étude des défauts Calcul des indices Outil probabiliste Optimisation 20 Figure 8: Évolution de l’indisponibilité en fonction du taux de réparation
- 21. ANALYSE DES RESULTATS (6/12) Étude des défauts Calcul des indices Outil probabiliste Optimisation 21 N (nombre d’inspection) 𝒊 𝜽𝒊 en jour 5 1 6 2 27 3 48 4 69 5 90 Valeurs Coût des maintenance 2 279 550 Indisponibilité avant optim 2,05% Indisponibilité après optim 0,03% Indisponibilité exigée (IEEE) 0,018% Taux d’amélioration 67,33% Optimisation saison pluvieuse Tableau 2: Date d'inspection Tableau 3: Valeur des fonction objectifs
- 22. ANALYSE DES RESULTATS (7/12) Étude des défauts Calcul des indices Outil probabiliste Optimisation 22 Tableau 4: Taux d’amélioration des END Départs END avant optimisation END après optimisation Écart Amélioration Togba 787718,87 51007,87 736 711 90,80% IITA 1376365,65 84628,65 1 291 737 93,08% Ouidah 2 365 526 108324,00 2 257 202 95,65% 0.00 500000.00 1000000.00 1500000.00 2000000.00 2500000.00 END avant optimisation END après optimisation Ecart Les Energies Non Distribuées Togba IITA Ouidah
- 23. ANALYSE DES RESULTATS (8/12) Étude des défauts Calcul des indices Outil probabiliste Optimisation 23 N (nombre d’inspection) 𝒊 𝜽𝒊 en jour 11 1 10 2 31 3 52 4 73 5 94 6 115 7 136 8 157 9 178 10 199 11 220 Valeurs Coût de maintenance 7 280 000 Indisponibilité avant optim 1,77% Indisponibilité après optim 0,02% Indisponibilité exigée (IEEE) 0,018% Taux d’amélioration 87,5% Optimisation saison Sèche Tableau 5: Date d'inspection Tableau 6: Valeur des fonctions objectifs
- 24. ANALYSE DES RESULTATS (9/12) Étude des défauts Calcul des indices Outil probabiliste Optimisation 24 Tableau 7: Taux d’amélioration des END Départs END avant optimisation END après optimisation Écart Amélioration Togba 731526,64 67080,97 664445,67 90,80% IITA 1341591,41 92850,92 1248740,49 93,08% Ouidah 2477011,71 107521,71 2 369 490 95,65% 0.00 500000.00 1000000.00 1500000.00 2000000.00 2500000.00 3000000.00 END avant optimisation END après optimisation Ecart Les Energies Non Distribuées Togba IITA Ouidah
- 25. ANALYSE DES RESULTATS (10/12) Étude des défauts Calcul des indices Outil probabiliste Optimisation 25 Départs END Sauvée MWh END 2019 MWh Amélioration Togba 1 401 1 519 92,22% IITA 2 540 2 717 93,43% Ouidah 4 626 4 842 95,34% Total 8 568 9 079 94,36% Paramètres Rann (FCFA) VAN (FCFA) PRI Valeurs 942 515 924 9 248 948 883>0 3 ans 8 mois 12 jours<5ans Tableau 8: Récapitulatif Tableau 9: Étude de rentabilité
- 26. 26 L M M J V S D L M M J V S D L M M J V S D L M M J V S D L M M 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 Visite de ligne (Elagage, entretien des isolateurs, et des supports) Poste H61 Poste H59 Mars J V S D L M M J V S D L M M J V S D L M M J V S D L M M J V 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 Visite de ligne (Elagage, entretien des isolateurs, et des supports) Poste H61 Poste H59 Avril S D L M M J V S D L M M J V S D L M M J V S D L M M J V S D L 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 Visite de ligne (Elagage, entretien des isolateurs, et des supports) Poste H61 Poste H59 Mai 21 jours 21 jours
- 27. PLAN DE PRESENTATION 27 •Introduction I •Objectifs d’étude II •Méthodologie d’étude III •Résultats d’étude •Conclusion et perspectives
- 28. CONCLUSION ET PERSPECTIVES (1/2) 28 Analyse de défaut Fréquence des défauts à partir de la loi de Pareto Plan de maintenance optimal Identification de la périodicité des inspections Amélioration des énergie non distribuées Fiabilité La performance passée à travers le calcul des indices de fiabilité La performance future à travers les chaînes de Markov
- 29. CONCLUSION ET PERSPECTIVES (2/2) 29 Conception d’un système automatique de gestion des perturbations sur les réseaux de distribution de la SBEE Optimisation de la maintenance par des méthodes numériques de calcul du seuil de dégradation pour l’amélioration de la fiabilité des départs HTA.
- 30. MERCI DE VOTRE AIMABLE ATTENTION Un ingénieur doit faire preuve d’imagination et de créativité pour résoudre les problèmes qui se posent autour de lui.
Notes de l'éditeur
- Merci Monsieur le président du jury Excellence Monsieur le Président du jury, honorables membres du jury, chers parents, amis et invités bonjour/bonsoir et soyez les bienvenus à notre soutenance de fin de formation en vue de l’obtention du diplôme d’ingénieur de conception en Génie électrique option énergie électrique. Nous ne saurons commencer cette présentation sans remercier les honorables membres du jury qui ont accepté de juger ce travail malgré leurs multiples occupations. Après cinq années de formation à l’Ecole Polytechnique d’Abomey-Calavi, l’obtention du diplôme d’ingénieur est subordonnée à la rédaction et à la soutenance d’un mémoire de fin de formation. Cet exercice auquel nous sommes soumis aujourd’hui porte sur le thème « OPTIMISATION DE LA FIABILITE, DE LA DISPONIBILITE ET DE LA MAINTENABILITE DES RESEAUX DE DISTRIBUTION HTA: APPLICATION AUX DEPARTS HTA DE LA DRA».
- Notre présentation s’articule des autour des points suivants: Après une introduction qui fera ressortir la problématique et le contexte de ce travail, nous présenterons les objectifs poursuivis par ce travail. Nous décrirons ensuite la méthodologie utilisée ainsi que les analyse des résultats obtenus, et finir notre présentation par une conclusion et présenter les perspectives qui découlent du travail.
- Excellence Monsieur le Président du jury, Honorable, membre du jury, L’électricité est de nos jours devenue un droit fondamental et doit être par conséquent disponible et présente à tout moment. Mais force est de constater que les réseaux électriques dans leur fonctionnement sont souvent sujets à de différentes perturbations ce qui engendre des interruptions dans la fourniture de l’énergie aux consommateurs. L’interruption de l’approvisionnement de cette énergie engendre parfois des réclamations diverses, des plaintes sociales quand bien même qu’il n’y ait pas de coûts ou de dommages qui y sont directement liés. De plus en plus dans certains pays même en voie de développement ou à revenus intermédiaires, les populations supportent et comprennent difficilement les raisons techniques ou non qui peuvent motiver les coupures d’énergie électriques.
- Les distributeurs sont alors confrontés à la double exigence de maintenir non seulement les pertes de distribution dans les plages tolérables mais aussi de garantir une fiabilité acceptable et une qualité de la fourniture de l’énergie électrique. Il est observé généralement que la recrudescence des défaillances des systèmes électriques est due soit à une mauvaise politique de maintenance ou à l’application des périodicités d’inspections inappropriées
- Cette mauvaise politique de maintenance est à la base de l’évolution exponentielle des incidents sur le réseau de la SBEE de 2016 à 2020. Soient 115 incidents en 2016, Contre 1926 en 2019 et 4000 en 2020. Ces incidents ont entraîné des interruptions dans la fourniture de l’alimentation de l’énergie électrique qui à leur tour ont engendré des énergies non distribuées qui aurait rapportées à la SBEE, une somme non négligeable… L’optimisation de la maintenance préventive et corrective constitue les moyens efficaces et gage d’amélioration de la fiabilité des systèmes électriques. Ce travail vient à point normé pour proposer une stratégie de maintenance optimale
- Excellence Monsieur le président du jury, honorables membres du jury, l’objectif général de ce travail est d’ Analyser la fiabilité et la disponibilité du réseau de distribution de la Direction Régional de l’Atlantique de la SBEE, Cet objectif est décliné en quatre objectifs spécifiques que sont : (lire sur la diapo)
- Passons maintenant à la méthodologie suivie par cette étude
- Pour Identifier les défauts survenus sur le réseau et ressortir les plus récurrents , nous avons utilisé la méthode de Pareto qui permet de connaitre les 20% des causes des incidents qui engendrent 80% des interruptions sur le réseau de la SBEE
- L’étude de la fiabilité des systèmes électriques est basée sur La mesure de la performance du passé du système et la prédiction de la performance du futur, Pour La mesure de la performance du passé nous nous sommes basé sur le calcul des indices qui rendent compte de l’état du réseau. Ces indices sont liés à la durée et à la fréquence des interruptions. Parmi ces indices, figure le SAIDI et le SAIFI dont la formulation mathématique est donnée aux formules 1 et 2. Le taux de défaillance présente dans l’expression 2 a été déterminée grâce à la loi de Weibull dont le programme a été établi dans l’environnement Matlab sur la base des données statistique liées aux temps de de bon fonctionnement des départs de la DRA
- Pour la prédiction de la performance future, nous avons utilisé les chaines de Markov qui sont des processus stochastique permettant de connaitre les états futurs d’un système indépendamment de l’état passé. Son graphe nous a permis de modéliser les états de fonctionnement du réseau électrique de la SBEE et les transitions de passage d’un états à l’autre grâce au taux de défaillance et taux de réparation du réseau
- Excellence Monsieur le président du jury, honorables membres du jury, La politique de maintenance que nous avons proposé est basé sur une stratégie d’inspection du réseau électrique qui permettra de surveillé l’état de dégradation des équipements du réseau et passé aux actions de maintenance en fonction du niveau observé. L’objectif de la stratégie est de déterminer les dates optimales des inspections et le nombre optimale d’inspections en minimisant le critère coût de maintenance et l’indisponibilité du système. La formulation du problème d’inspection optimal du réseau, nécessite l’utilisation d’une méthode d’optimisation. Nous avons utilisé les algorithmes génétiques Les dernières décennies ont vu croitre la fréquence d’utilisation des méthodes génétiques, en raison de leur efficacité Parmi les méthodes génétiques , le NSGA II est celle que nos avons choisi pour résoudre notre problème d’optimisation, Elle présente plusieurs avantages tels que la méthode du tri rapide, la distance de surpeuplement et l’élitisme
- Pour la résolution de notre problème, nous avons élaboré deux fonctions objectifs: il s’agit de la fonction cout et de la fonction indisponibilité. Pour la formulation de la fonction coût, nous nous somme basé sur les travaux de recherche de 2012 de Houssam CHOUIKHI de l’Université de Lorraine. Une amélioration de cette fonction est l’ajout des critères climatique, C’est-à-dire l’évaluation de l’évolution des incidents en fonction des saisons de l’année dont les valeurs moyennes influent sur le coût
- Excellence Monsieur le président du jury, honorables membres du jury, passons aux résultats obtenus
- Avec les données statistiques liées au fréquence d’interruption sur le réseau, nous obtenons le diagramme de Pareto présenté à la figure 5. Il ressort de l’observation de cette figure que les causes les plus fréquentes et déterminantes dans les autres causes sont entre autres : l’ensemble des causes externes (foudre, vent violent, pluie orageuse, accident, etc...), les défauts fugitifs, câbles endommagés (Conducteur rompu, Conducteur à terre, etc.. . .), les transformateurs avariés, les défauts à la terre ou homopolaire (conducteur sur console), les isolateurs cassés et les branches d’arbre tombées sur les conducteurs. En agissant sur ces différentes causes, on peut réduire de 80% les interruption sur le réseau de distribution . Néanmoins les autres ne sont pas à négliger.
- Le calcul de la performance passée du réseau de la SBEE nous a permis d’obtenir le graphe de l’indice SAIDI A travers ce graphe, il est observé que les départs IITA Togba, Calavi et Ouidah sont les départs ayant enregistrés une durée d’interruption très élevée . Ces valeurs très élevées traduisent par conséquent que les clients connectés sur ces départs ont subi des interruptions d’alimentation d’une durée moyenne cumulée respective aux valeurs indiquées par mois. En se référant à la norme IEEE, il peut être dit que ces départs ne sont pas fiables et sont responsables de la contreperformance technique de ces régions. Néanmoins les départs de Kinothim et Tori sont peu fiable car leur valeur avoisine celle exigée par la norme. De l’analyse de ce graphe on constate que les départs Togba, IITA, et SONEB ont les fréquence d’interruption les plus élevées. interruption en moyenne par mois. Comparativement à la norme IEEE on peut dire que tous les départs sont fiables en qualité de l’indice SAIFI. Nous avons fait une confrontation entre les indices de fréquences moyennes et les indices de durée d’interruption, et nous avons déduit que que les départs sont moins perturbés mais qu’à la suite d’une panne, le temps mis pour la restauration du système est très élevé.
- Le graphe de Markov que nous avons utilisé est à trois états Le premier état (E1) représente une absence de panne Le dernier état (E3) représente une défaillance totale de système Entre ces deux états il y a un état intermédiaire (E2) qui représente une défaillance partielle du système.
- Nous avons ainsi obtenu l’indisponibilité du réseau à tout instant. Et son application sur le départ de Ouidah à t=0 donne 0,0014 Cette valeur correspond au taux de transition de passage de l’état du système partiellement défaillant à l’état de panne totale du système. Cet état est un état critique pour le fonctionnement du réseau. Pour réduire l’indisponibilité, il augmenté le taux de réparation, donc réduire la durée des interruptions.
- Pour cela nous avons observé l’évolution de l’indisponibilité pour les durées d’interruption (par approximation, la durée des interruptions) de 25% puis de 50%. La courbe en bleue représente la l’indisponibilité initiale, celle en rouge représente l’indisponibilité à 25% du temps de réparation et celle en verte représente l’indisponibilité à 50% de la durée d’interruption. Nous pouvons constater que l’indisponibilité décroit avec les durées d’interruption D’où la nécessité de mettre en place une stratégie de maintenance pouvant réduire la durée des interruptions sur le réseau de la SBEE. Il s’agit alors de l’optimisation d’un plan de maintenance basé sur des inspections périodiques des équipement du réseau tenant compte des criticités climatologiques
- Ainsi les résultats issue de l’optimisation sont les suivantes En saison pluvieuse la solution optimale choisie grace à l’algorithme, indique qu’il faut faire cinq (05) inspections sur l’horizon des cinq (05) mois de la saison pluvieuse. La première inspection sera faite 6 jours après le début du cycle d’inspection. Il faut noter que la durée inter-inspection est évaluée à 21jours. C’est-à-dire l’inspection suivante commencera 21 jours après la fin de l’inspection précédente. Le coût total des intervention s’élèvent 2,279,550FCFA et l’indisponibilité du réseau est de 0,03%. Cette indisponibilité nous permet d’avoir les durées d’interruption par conséquent les END
- Cette indisponibilité nous a permis de déterminer les durées d’interruption optimale et par conséquent les ENDs optimales. Comparativement aux END 2019 avant optimisation issue des interruption sur le réseau, nous obtenons après optimisation un taux d’amélioration des END de 93,52, 93,85 et 95,42% sur respectivement les départs Togba, IITA et Ouidah.
- En saison sèche La solution optimale choisie indique qu’il faut faire onze (11) inspections sur l’horizon des sept (07) mois de la saison sèche. La première inspection sera faite 10 jours après le début du cycle d’inspection Il faut noter que la durée inter-inspection est évaluée à 21jours. Le coût total des interventions s’élèvent 7 280 000 FCFA et l’indisponibilité du réseau est de 0,02%
- De la même manière que la saison pluvieuse, cette indisponibilité nous a permis de déterminer les durées d’interruption optimale et par conséquent les ENDs optimales. Nous obtenons après optimisation un taux d’amélioration des END de 90,80% sur Togba, 93,08 et 95,65% sur respectivement IITA et Ouidah.
- De façon globale sur seulement trois départs de DRA, l’optimisation nous a permis de pouvoir sauvé une énergie de 8 568MWh soit un taux d’amélioration de 94,36% par rapport aux END 2019 avant optimisation issue des nombreuses interruptions survenus sur le réseau. Ce qui rapporte à la SBEE une somme non négligeable de 942 515 924 FCFA L’étude de rentabilité du projet nous montre un impact positif de la valeur actuelle nette est lié au coût élevé de la recette.. Nous avons alors retenus que le stratégie de maintenance proposé est rentable dont la période de retour sur investissement est évaluée à 3 ans 8 mois 12 jours,
- Nous avons proposé un model de planning trimestriel pour les différentes activités de maintenance sur le réseau. Nous pouvons remarquer qu’entre la fin d’une inspection et le début de l’autre 21 jours se sont écoulés conformément aux résultats d’optimisation. Avec pour activité de maintenance, la visite des ligne, des postes H61 et des postes H59
- Excellence M. le Président du Jury, Honorable Membre du Jury, Notre étude a porté sur l’analyse de la fiabilité des réseaux de distribution de la DRA et de l’élaboration d’une stratégie de maintenance Cette étude nous a permis de ressortir les causes les plus fréquentes sur lesquelles agir pour réduire de 80% les interruptions sur le réseau. Le calcul des indices de fiabilité a montré que les départs les plus perturbés sont les départs HTA de Ouidah, ITTA, Calavi et Togba La nécessité de réduire les durées d’interruption nous a amené à optimiser un plan de maintenance tenant compte des criticités climatologiques par les algorithmes génétiques de type NSGA qui a permis d’identifier le nombre d’inspections à effectuer sur le réseau et les dates respectives auxquelles ces inspections seront faites. L’application du plan optimal sur les départs les plus perturbés, nous montre une amélioration considérable des énergies non distribuées La méthodologie utilisée est efficace et performante et peut permettre à la SBEE de faire des économies substantielles qui pourront lui permettre de faire un réinvestissement dans ses réseaux de distribution.
- Optimisation de la maintenance par des méthodes numériques de calcul du seuil de dégradation pour l’’amélioration de la fiabilité des départs HTA et la Conception d’un système automatique de gestion des perturbations sur les réseaux de distribution de la SBEE sont les différentes perspectives qui découlent de notre étude